摘要：智能体AI正在推动计算需求向云、边缘和物理世界扩展。Arm在年度大会上更新移动终端、物理AI和云基础设施布局，计算平台加速走向分布式和异构化。

产联社AICG内容主编｜陆子野

图：Arm 发布首款 AI 原生 GPU——Mali G2-Ultra NX

【产联社】 “全球基于Arm技术的芯片已累计出货超3500亿颗。”9月8日，在全球芯片架构龙头Arm举办的2026 Arm Everywhere China年度大会上，Arm的执行副总裁兼首席商务官Will Abbey披露了这一数字。

本场大会吸引了近2000名产业链上下游行业人士、开发者及生态伙伴报名参会。当天议程从主旨演讲延伸到交流洽谈和AI创新演示，合作伙伴覆盖通义千问、腾讯游戏、Unity中国、vivo、银河通用、联想、火山引擎、新紫光等企业。

Will Abbey表示，随着产业加速迈向智能体时代，计算正在从单一场景向云、边缘和物理世界扩展。Arm希望通过覆盖不同计算场景的平台和软件生态，为下一代AI应用提供统一的计算基础。

这一变化也直接落到Arm此次更新的三条产品和生态路线：云端发布Neoverse CSS N4，并披露AGI CPU更多客户和应用进展；边缘侧推出第二代移动终端计算子系统CSS for Mobile 2；物理AI侧则将Total Design生态项目扩展至机器人等领域，并提出机器人能力分级框架。

相比其他新品，AGI CPU对Arm自身的意义更为特殊。Arm长期以来主要通过IP授权和计算子系统（CSS）参与芯片产业链，由合作伙伴基于其架构设计和制造芯片；今年3月，Arm发布AGI CPU，首次将产品矩阵进一步延伸至自主设计的量产芯片。

Arm的转变发生在AI基础设施竞争加剧的背景下。过去几年，市场关注更多集中在GPU，CPU在AI计算中的存在感相对减弱；但随着智能体开始持续调用工具、调度任务和处理数据，CPU需求重新上升。

最新一季财报显示，2027财年Q1，Arm营收12.89亿美元，同比增长22%；净利润2.7亿美元，同比翻倍。业绩增长源于数据中心版税收入翻倍、AGI CPU订单等因素。截至9月4日，Arm股价报252.09美元/股，市值超过2600亿美元。

云端两条路线并进，AGI CPU加快客户落地

智能体AI正在改变数据中心CPU的角色。

传统大模型训练和推理主要依赖GPU等加速器完成大规模矩阵计算，但智能体还需要进行数据检索、数据库访问、工具调用和任务调度。随着智能体数量增加，这类以CPU为主的工作负载也随之上升。

此次大会上，Arm在云端同时更新了两条产品路线：一是正式推出面向云和数据中心的Neoverse CSS N4，二是披露Arm AGI CPU新的客户和应用进展。

目前，OpenAI、Meta、Oracle、联想等企业已围绕AGI CPU开发相关产品和解决方案。其中，Meta是AGI CPU的早期合作伙伴和联合开发者。字节跳动旗下火山引擎则已将首批基于Arm AGI CPU的智能体沙箱解决方案推向市场。

所谓智能体沙箱，主要为Agent执行代码、调用工具和完成任务提供相对隔离的运行环境。随着智能体开始代表用户调用外部系统，安全隔离、并发规模以及资源调度能力也成为云基础设施新的需求。

火山引擎云基础产品经理负责人李越渊表示，随着AI智能体发展，市场对安全、隔离且能够弹性扩展的大规模执行环境需求正在增长。

早在今年3月，Arm正式发布AGI CPU，并首次将产品矩阵从IP授权和计算子系统（CSS）进一步延伸至自主设计的量产芯片。客户除了购买Arm IP自行设计芯片，或基于CSS进行开发外，还可以直接采用Arm提供的CPU产品。

从核心规格看，Arm AGI CPU最多集成136个Neoverse V3高性能核心，最高频率3.7GHz，采用300W TDP设计；每个核心可获得最高6GB/s内存带宽，内存访问时延低于100ns。芯片支持DDR5、96条PCIe Gen6通道以及CXL 3，可用于连接AI加速器和扩展内存。

Arm还披露，AGI CPU支持高密度1U服务器风冷部署，单机架最多可支持8160个计算核心；采用液冷后，单机架可部署超过4.5万个核心。Arm称，其单机架性能可达到x86平台的两倍以上。

与直接提供量产CPU的AGI CPU不同，本次新发布的Neoverse CSS N4仍主要面向希望自行开发差异化基础设施芯片的客户，可针对横向扩展、网络和数据处理等不同工作负载进行配置。

Neoverse CSS N4是Arm迄今可配置性最高的CSS，单颗裸片最高搭载128个内核，支持LPDDR6内存和PCIe Gen 7互连。与上一代CSS N3相比，Arm称其性能最高可提升至两倍，每瓦性能最高达到1.25倍，内存带宽最高提升1.75倍。鸿钧微电子是首批采用CSS N4开发差异化基础设施芯片的合作伙伴之一。

由此，Arm在云端形成了从IP、CSS到量产CPU的不同产品层级。对于Arm而言，AGI CPU带来的变化也不只是一款新产品，而是其业务边界进一步进入AI基础设施芯片交付环节。

端侧AI走向系统协同

移动终端仍是Arm最成熟的市场，也是此次产品更新最集中的方向之一。

会上，Arm推出第二代移动终端计算子系统CSS for Mobile 2，将C2 CPU集群、Mali G2-Ultra NX GPU、系统IP、物理实现方案和软件工具整合在同一平台中，主要面向智能体AI和AI原生图形工作负载。

随着AI从一次性调用转向持续运行，端侧计算也不再只是提高单颗NPU的算力。CPU需要承担更多上下文维护、工作负载调度和系统协调，GPU则开始参与神经网络计算和AI图形处理。

全新的C2 CPU集群由C2-Ultra、C2-Pro CPU及双SME2单元组成。根据Arm公布的数据，双SME2配置可使部分小语言模型运行速度最高提升70%；与上一代C1-Ultra相比，C2-Ultra的AI性能最高提升1.7倍，单线程性能最高提升15%，在相同性能下功耗最高降低38%。

GPU的变化同样明显。Mali G2-Ultra NX首次在Mali GPU中加入专用神经网络加速器，使神经网络计算与传统图形处理可以在同一GPU处理管线中运行。Arm称，在神经网络图形场景下，其每瓦性能最高提升4倍，现有游戏性能较上一代最高提升14%。

目前这类能力首先在移动游戏、语音等场景落地。腾讯游戏、Unity中国、网易和叠纸游戏等已围绕Arm神经图形技术展开适配；支付宝、OPPO和vivo等合作伙伴则已采用SME2相关技术。

阿里巴巴通义千问方面表示，Qwen-Audio系列已经可以借助Arm CPU和SME2技术在端侧运行，用于语音生成等应用。

这些变化反映出，端侧AI竞争正在从单一AI加速器，转向CPU、GPU、专用加速器及软件的系统协同。

不过，对于手机等移动设备而言，功耗、散热和内存仍是明确约束。智能体如果要长期驻留终端，并持续调用应用和模型，如何在有限资源下兼顾响应速度和能效，仍是端侧AI规模化应用需要解决的问题。

物理AI扩展生态，机器人分级框架仍待共识

相比手机和数据中心，AI进入物理世界后的系统复杂度更高。

机器人和汽车不仅需要模型完成推理，还需要将AI模型、软件、计算平台、传感器和执行器整合为一个完整系统。不同企业采用不同的软件栈、硬件架构和能力定义，也增加了产品比较和系统集成难度。

此次大会上，Arm将Total Design生态项目扩展至物理AI领域，目前已汇聚超过80家企业，覆盖AI模型、软件、计算硬件、传感器、虚拟平台和数字孪生等环节。

与此同时，Arm提出机器人能力分级框架（Robotics Capability Framework），试图为机器人建立一套统一的能力描述方式。

目前机器人行业尚缺少类似自动驾驶L0至L5的通用分级体系。不同企业对于“自主”“智能”以及任务复杂程度的定义并不统一，同类产品也难以直接比较。

Arm提出的框架希望将机器人的行为表现和输出能力，与时延、算力部署位置、内存、功耗、确定性和安全等系统需求进行对应，形成一套机器人领域的“能力语言”。

银河通用机器人首席战略官赵于莉表示，目前机器人产业仍较为碎片化，不同企业往往采用不同标准定义机器人能力和系统需求，统一框架有助于提高设计、比较和集成效率。

联想方面也认为，统一的机器人能力语言有助于简化产品开发和系统集成，并加快研发成果向实际部署转化。

不过，这一框架目前仍处于产业共建阶段。Arm计划与银河通用、傅利叶、联想等企业进一步完善。未来其能否被不同机器人厂商广泛采用，并成为行业通用的能力标准，仍需实际应用验证。

从此次大会可以看到，智能体AI带来的变化已经不只是对更多算力的需求。在云端，CPU开始承担更多智能体调度和数据处理任务；在边缘侧，CPU、GPU和AI加速器需要重新分工；进入物理世界后，产业又面临软硬件协同和标准碎片化问题。

对于Arm自身而言，更值得关注的变化仍在云端。随着AGI CPU从产品发布进入客户和应用落地阶段，Arm也正从过去以IP和CSS为主的业务模式，进一步向量产芯片和AI基础设施延伸。

商务合作/报料请联系侯经理 18801065284（微信同号）